論文の概要: PR4Code: A Pull Requests Dataset for AI Code Generation
- arxiv url: http://arxiv.org/abs/2610.39890v1
- Date: Thu, 29 Oct 2026 12:05:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.436021
- Title: PR4Code: A Pull Requests Dataset for AI Code Generation
- Title（参考訳）: PR4Code:AIコード生成のためのプルリクエストデータセット
- Abstract要約: PR4Codeは、GitHubから収集された4,508のJavaと8,831のPythonプルリクエスト(PR)のデータセットである。
分離されたコードフラグメントに焦点を当てたリソースとは異なり、PR4Codeは機能実装プロセスをキャプチャする。
- 参考スコア（独自算出の注目度）: 8.610181149355217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-driven code generation is evolving from handling small, localized code-completion tasks toward supporting the implementation of full software features. To support this transition, this paper introduces PR4Code, a dataset of 4,508 Java and 8,831 Python curated Pull Requests (PRs) collected from GitHub, each enriched with metadata, commit histories, and detailed code changes. Unlike resources focused on isolated code fragments, PR4Code captures the feature implementation process, delivering a large and diverse collection of real-world development tasks that can be used to assess AI-driven solutions. Our analysis reveals substantial variability in PR structure, commit granularity, and textual content. In addition, we release scripts to regenerate and update the dataset, ensuring reproducibility and maintainability.
- Abstract（参考訳）: AI駆動のコード生成は、小さなローカライズされたコード補完タスクから、完全なソフトウェア機能の実装のサポートへと進化している。
この移行をサポートするために、GitHubから収集された4,508のJavaと8,831のPythonキュレートされたプルリクエスト(PR)のデータセットであるPR4Codeを紹介します。
分離されたコードフラグメントに焦点を当てたリソースとは異なり、PR4Codeは機能実装プロセスをキャプチャし、AI駆動ソリューションの評価に使用できる、多種多様な現実世界の開発タスクのコレクションを提供する。
分析の結果,PR構造,コミットの粒度,テキストの内容にかなりのばらつきが認められた。
さらに、データセットを再生および更新するためのスクリプトをリリースし、再現性と保守性を確保します。
関連論文リスト
- Fine-grained Multi-Document Extraction and Generation of Code Change Rationale [9.038241584076468]
私たちは、いかに合理的なコンポーネント(例えば、変更の目標、ニーズ、代替品)がアーティファクトに分散されているかを調べます。
LLMベースのアプローチであるARGUSを導入し、コミットのアーティファクトのゴール、ニーズ、代替を表現した文を識別する。
論文 参考訳（メタデータ） (2026-04-11T20:49:36Z) - A Vulnerability Code Intent Summary Dataset [3.609135490386991]
本稿では,BADS と呼ばれる大規模多視点コードインテント・サマリ・データセットを提案する。
与えられたコードスニペットの理解を高め、コード開発プロセスのリスクを低減することを目的としている。
データセットと関連ツールがGitHubで公開されている。
論文 参考訳（メタデータ） (2025-04-11T00:39:50Z) - EpiCoder: Encompassing Diversity and Complexity in Code Generation [66.43738008739555]
既存のコード生成方法はシードデータとしてコードスニペットを使用する。
階層的なコード機能を中心に展開する,新しい機能ツリーベースの合成フレームワークを提案する。
我々のフレームワークは、生成されたコードの複雑さを正確に制御し、関数レベルの操作からマルチファイルのシナリオまで幅広い機能を実現する。
論文 参考訳（メタデータ） (2025-01-08T18:58:15Z) - RepoCoder: Repository-Level Code Completion Through Iterative Retrieval
and Generation [96.75695811963242]
RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。
類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。
バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2023-03-22T13:54:46Z) - ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。
我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-03-15T08:25:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。